一种风机故障检测方法及系统与流程

本发明涉及电力系统，特别是涉及一种风机故障检测方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、风机作为风力发电系统的核心组成部分，其正常运行对能源生产的稳定性至关重要。然而，由于风场环境、长时间运行和制造缺陷等因素，风机叶片可能面临各种故障，如磨损、裂纹、偏航等。风机叶片故障不仅会降低发电效率，还可能会导致设备损坏和维护成本的增加。因此，及早发现和诊断叶片故障对于确保风力发电系统的可靠性和长期运行至关重要。

3、传统的风机监测方法主要依赖于人工检测、模式识别等方法，这些方法虽然能够检测一些常见的故障，但对于叶片微小缺陷和早期故障的诊断能力相对有限，同时存在成本较高、面对新故障类型无法识别等问题。

4、在众多监测方式中，声音信号携带着丰富的信息，通过分析风机运行过程中产生的声音，可以更准确地识别叶片的异常状态，能够反映设备健康状况的特性。然而，目前基于声音的风机叶片故障检测技术主要依靠的方法是一些传统的信号处理技术，由于传统的信号处理技术主要是通过数学处理，应对单一、理想场景表现较好，但在环境更复杂的实际应用场景中，相比于结合深度学习的检测方法，传统的信号处理技术存在检测精确率较低、场景泛用性不够广泛等问题。

技术实现思路

1、为了解决上述问题，本发明提出了一种风机故障检测方法及系统，将声音信号转换为图模型进行故障检测，融合多通道声音信号的信息，提升准确率，同时实现端到端的检测。

2、为了实现上述目的，本发明采用如下技术方案：

3、第一方面，本发明提供一种风机故障检测方法，包括：

4、获取风机运行过程中的多通道声音信号序列，将多通道声音信号序列拼接成单通道混合序列，基于单通道混合序列与多通道声音信号序列构建数据源；

5、对数据源中的每个序列进行分割，对得到的每段子序列进行时频变换后，基于每个序列的新子序列构建子图；

6、将所有序列对应的子图进行融合，对得到的融合子图采用训练后的图网络模型进行故障检测。

7、作为可选择的实施方式，使用波束成形方法，将多通道声音信号序列拼接成单通道混合序列，将单通道混合序列与多通道声音信号序列进行并列后，得到包括n+1个一维数据序列的数据源，n为多通道声音信号序列的通道数。

8、作为可选择的实施方式，对每个序列进行等分，将每个序列转换为m段子序列，并对多段子序列进行归一化处理。

9、作为可选择的实施方式，以新子序列处的数值作为特征值，以该特征值所代表的点为子图的节点，l为新子序列长度。

10、作为可选择的实施方式，确定每个序列中所涉及的特征值所代表的点，以两个点之间的欧式距离衡量两个点的相似度，采用k近邻方法，将每个点k个最近的点之间添加边，以该边为子图的边，每个边的权重为两个点的欧式距离。

11、作为可选择的实施方式，将所有序列对应的子图进行拼接融合后，以融合子图中点的特征值构成的特征矩阵，不同点之间有无边和边的权重构成的连接矩阵为图网络模型的输入，从而得到有无故障的检测结果。

12、作为可选择的实施方式，通过在服务器端集成对风机健康状态的远程监控，实现风机图像、视频和声音信号的传送和显示，实现对不同叶片信号的变化趋势分析，实现对不同叶片信号的特征提取和周围环境状态的显示。

13、第二方面，本发明提供一种风机故障检测系统，包括：

14、预处理模块，被配置为获取风机运行过程中的多通道声音信号序列，将多通道声音信号序列拼接成单通道混合序列，基于单通道混合序列与多通道声音信号序列构建数据源；

15、子图构建模块，被配置为对数据源中的每个序列进行分割，对得到的每段子序列进行时频变换后，基于每个序列的新子序列构建子图；

16、故障检测模块，被配置为将所有序列对应的子图进行融合，对得到的融合子图采用训练后的图网络模型进行故障检测。

17、第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。

18、第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。

19、与现有技术相比，本发明的有益效果为：

20、本发明提出一种风机故障检测方法及系统，采用由多个麦克风组成麦克风阵列采集风机运行过程中的多通道声音信号，将多通道声音信号序列拼接成单通道混合序列后，在与多通道声音信号序列构成最终的数据源，从多个方向和维度捕捉声源，将灵敏度聚焦于特定方向，同时尽可能保留原有数据的信息，提高检测灵敏度和准确度，且相比于传统人工检测等方法降低检测成本。

21、本发明提出一种风机故障检测方法及系统，对数据源中的每个序列进行分割，由于不同通道得到的信号强度可能会存在差异，故对子序列进行通过归一化处理，有效地消除不同数据源采集到的数据强度差距，继而为了对序列特征的表达，对子序列进行时频变换，选取新子序列中间位置处的数值作为特征值，以该特征值所在点作为子图中的节点，以距离较近的点所构建边为子图的边，由此得到每个序列的子图，从而将声音信号转换为图模型进行故障检测，实现从多通道声信号到声信号诊断结果的检测，融合多通道声音信号的信息，提升准确率，同时实现端到端的检测，节省检测步骤，操作方便。

22、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种风机故障检测方法，其特征在于，包括：

2.如权利要求1所述的一种风机故障检测方法，其特征在于，使用波束成形方法，将多通道声音信号序列拼接成单通道混合序列，将单通道混合序列与多通道声音信号序列进行并列后，得到包括n+1个一维数据序列的数据源，n为多通道声音信号序列的通道数。

3.如权利要求1所述的一种风机故障检测方法，其特征在于，对每个序列进行等分，将每个序列转换为m段子序列，并对多段子序列进行归一化处理。

4.如权利要求1所述的一种风机故障检测方法，其特征在于，以新子序列处的数值作为特征值，以该特征值所代表的点为子图的节点，l为新子序列长度。

5.如权利要求4所述的一种风机故障检测方法，其特征在于，确定每个序列中所涉及的特征值所代表的点，以两个点之间的欧式距离衡量两个点的相似度，采用k近邻方法，将每个点k个最近的点之间添加边，以该边为子图的边，每个边的权重为两个点的欧式距离。

6.如权利要求5所述的一种风机故障检测方法，其特征在于，将所有序列对应的子图进行拼接融合后，以融合子图中点的特征值构成的特征矩阵，不同点之间有无边和边的权重构成的连接矩阵为图网络模型的输入，从而得到有无故障的检测结果。

7.如权利要求1所述的一种风机故障检测方法，其特征在于，通过在服务器端集成对风机健康状态的远程监控，实现风机图像、视频和声音信号的传送和显示，实现对不同叶片信号的变化趋势分析，实现对不同叶片信号的特征提取和周围环境状态的显示。

8.一种风机故障检测系统，其特征在于，包括：

9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的方法。

技术总结本发明公开一种风机故障检测方法及系统，包括：获取风机运行过程中的多通道声音信号序列，将多通道声音信号序列拼接成单通道混合序列，基于单通道混合序列与多通道声音信号序列构建数据源；对数据源中的每个序列进行分割，对得到的每段子序列进行时频变换后，基于每个序列的新子序列构建子图；将所有序列对应的子图进行融合，对得到的融合子图采用训练后的图网络模型进行故障检测。将声音信号转换为图信号进行故障检测，融合多通道声音信号的信息，提升准确率，同时实现端到端的检测。技术研发人员：项武,贺振华,卜令国,王昕炜,赵阳受保护的技术使用者：新华电力发展投资有限公司技术研发日：技术公布日：2024/7/9